Word Grupo 1

“Año del buen servicio al ciudadano”
UNIVERSIDAD NACIONAL
MAYOR DE SAN MARCOS
FACULTAD DE INGENIERÍA INDUSTRIAL
E.A.P. INGENIERIA TEXTIL Y CONFECCIONES
ESTADISTICA Y PROBABILIDADES
ESTUDIO ESTADISTICO DE LAS
CANTIDADES DE PRENDAS
CONFECCIONADAS POR LA EMPRESA
FERETOP E.I.R.L
DOCENTE: Ing. William León Velásquez
ALUMNOS: CÓDIGO:
Sánchez Quispe Josselyn Alejandra 17170097

Villegas Barbagelatta Aurelia Alejandra 16170017
Valdivia Vargas Nelson Armando 15170290
Cairo Pajuelo Miguel Rodrigo 16170239
Castillo Bazalar Alvaro Guilmer 16170240
Quispe Sánchez Kenny Rolando 16170258
Lima-Perú
Ciudad Universitaria, 06 de Julio del 2019

INDICE
INTRODUCCIÓN.......................................................................................................3.
PRESENTACIÓN DEL PROBLEMA..........................................................................4.
TABLA DE FRECUENCIA.........................................................................................5.
HISTOGRAMAS.......................................................................................................10.
MEDIDAS DE TENDENCIA CENTRAL...................................................................19.
MEDIDAS DE DISPERSIÓN....................................................................................24.
MEDIDAS DE FORMA.............................................................................................30.
DIAGRAMA DE CAJA..............................................................................................33.
TABLAS BIDIMENSIONALES.................................................................................41.
CONCLUSIONES......................................................................................................50
APENDICE................................................................................................................50
2
INTRODUCCIÓN
En el Perú, el tema de elaboración y confección de prendas de vestir va
avanzando moderadamente, el surgimiento de nuevas microempresas y
pequeñas empresas genera la mayor demanda a los nuevos empresarios, si
bien es cierto, el sector textil ha decaído en los últimos años, pero la industrial
textil en el Perú comparada con 20 años atrás, mantiene una tendencia al
crecimiento.
Se sabe que los regímenes exportadores son más complicados, pues las
prendas deben pasar por un procesos de control de calidad detallados al
máximo, lo cual presenta en muchos casos merma; una empresa en su punto
de vista financiero y contable siempre está orientada en generar ganancias y
no perdidas, punto por el cual esta merma es importante, ya que esta se
considera como perdida, por lo que se considera en los gastos y esto es
restado a la ganancia por mes, para así obtener la ganancia total real.
En el presente trabajo está enfocado a “FERETOP E.I.R.L”, empresa que inició

sus actividades en Junio del 2001, ubicada en el distrito de La Victoria, esta
empresa está dedicada a la producción de prendas de vestir, sobre todo de
lencería fina para damas, sin costuras y en microfibra.
Aquí analizaremos los datos mensuales obtenidos de esta empresa desde

enero del año 2012 hasta diciembre del año 2016, en otras palabras,
trabajaremos con 120 datos (60 para cada dato, considerando que esto es
suficiente para poder obtener conclusiones precisas). Y desde el punto de vista
de esta empresa veremos su tendencia a lo largo de estos últimos años, a
través del uso de materiales estadísticos. Los datos a analizar será la cantidad
de prendas producidas por mes, y por otro lado también se analizará el total de
ganancias que la empresa genera por mes.
Así como también se hará uso de herramientas informáticas, como el EXCEL y

MINITAB, aquí explicaremos paso por paso, cual fue la forma en que se usó, y
de qué forma nos ayuda usar estos programas para poder llegar a
conclusiones acertadas respecto a los datos obtenidos.
3
PRESENTACIÓN DEL PROBLEMA

Se desea hacer un estudio en el cual se observara las diversas cantidades de
prendas de vestir confeccionadas (QTY) por la empresa FERETOP E.I.R.L
correspondiente a los últimos 60 meses posteriores al presente año. Y se
verificara como estos disminuyen o aumentan con respecto a la demanda del
servicio terciario peruano.
IMPORT.EXPORT FERETOP E.I.R.L

QTY QTY
MES AÑO MES AÑO
(CANTIDAD) (CANTIDAD)
ENERO 2012 12560 JULIO 2014 13620
FEBRERO 2012 12658 AGOSTO 2014 11470
MARZO 2012 12600 SETIEMBRE 2014 11450
ABRIL 2012 11840 OCTUBRE 2014 11140
MAYO 2012 12050 NOVIEMBRE 2014 13265
JUNIO 2012 13455 DICIEMBRE 2014 13745
JULIO 2012 13096 ENERO 2015 13250
AGOSTO 2012 11078 FEBRERO 2015 12660
SETIEMBRE 2012 11030 MARZO 2015 13750
OCTUBRE 2012 11640 ABRIL 2015 12763
NOVIEMBR
E 2012 12890 MAYO 2015 12853
DICIEMBRE 2012 13250 JUNIO 2015 13950
ENERO 2013 12635 JULIO 2015 13962
FEBRERO 2013 12790 AGOSTO 2015 11740
MARZO 2013 12855 SETIEMBRE 2015 11660
ABRIL 2013 12225 OCTUBRE 2015 11785
MAYO 2013 12270 NOVIEMBRE 2015 13450
JUNIO 2013 13560 DICIEMBRE 2015 14050
JULIO 2013 13580 ENERO 2016 14185
AGOSTO 2013 11250 FEBRERO 2016 12960
SETIEMBRE 2013 11155 MARZO 2016 13985
OCTUBRE 2013 11670 ABRIL 2016 12675
NOVIEMBR
E 2013 13045 MAYO 2016 13050
DICIEMBRE 2013 13465 JUNIO 2016 14026
ENERO 2014 12870 JULIO 2016 13885
FEBRERO 2014 12855 AGOSTO 2016 12050
MARZO 2014 13590 SETIEMBRE 2016 11750
ABRIL 2014 12565 OCTUBRE 2016 11840
MAYO 2014 12410 NOVIEMBRE 2016 13595
JUNIO 2014 13630 DICIEMBRE 2016 14270
4
TABLA DE FRECUENCIA
Una vez que tenemos recopilados los datos de las diversas cantidades de
prendas de vestir confeccionadas (QTY) por la empresa FERETOP E.I.R.L por
mes, empezaremos a construir la Tabla de Distribución de Frecuencia, para así
poder hallar el promedio de las cantidades de prendas de vestir confeccionadas
por mes (mediante la media), el número de cantidades de prendas de vestir
confeccionadas que se repite mayormente por mes (hallando la moda), el
grado de dispersión de cantidades de prendas de vestir confeccionadas con
respecto al promedio de esta misma (hallando la desviación estándar) y otros
datos que nos pueden ser importantes para poder así resolver nuestra
problemática.
PRESENTACIÓN DE DATOS
12560 13096 12635 13580 12870 13620 13250 13962 14185 13885
12658 11078 12790 11250 12855 11470 12660 11740 12960 12050
12600 11030 12855 11155 13590 11450 13750 11660 13985 11750
11840 11640 12225 11670 12565 11140 12763 11785 12675 11840
12050 12890 12270 13045 12410 13265 12853 13450 13050 13595
13455 13250 13560 13465 13630 13745 13950 14050 14026 14270
TABLA DE DISTRIBUCIÓN DE FRECUENCIA:

La tabla de frecuencias (o distribución de frecuencias) es una tabla que
muestra la distribución de los datos mediante sus frecuencias. Se utiliza para
variables cuantitativas o cualitativas ordinales.
La tabla de frecuencias es una herramienta que permite ordenar los datos de
manera que se presentan numéricamente las características de la distribución
de un conjunto de datos o muestra.
a) Se identifica: población, muestra, unidad estadística, variable y tipo de
variable.
Meses de producción entre enero del 2012 a diciembre del

POBLACIÓN
2016.
MUESTRA Todos los meses desde enero del 2012 a diciembre del 2016.
UNIDAD ESTADISTICA Un mes
VARIABLE Cantidad de producción de una empresa y ganancia
TIPO Cuantitativa Discreta
Intervalos Cerrados
Límites Aparentes
OBSERVACION: A = LS - LI + 1 PARA DISCRETA
5
b) Se construye la tabla de frecuencias adecuada:
 En el Excel:
VALOR MAXIMO 14270

VALOR MINIMO 11030
NUMERO DE DATOS n = 60
RANGO R = Vmáx. – Vmín 3240
k = 1 + 3.3*log(n) 6.867899
NUMERO DE INTERVALOS 7
A=Rango / k  3240 / 7 462.8571
AMPLITUD 463
Ahora si construimos la Tabla de Distribución de Frecuencia

 Col 1: Muestra los límites reales inferiores (LRI).
 Col 2: Muestra los límites reales superiores (LRS).
 Col 3: Muestra la marca de clase (Xi).
LRS + LRI
  Xi= 2 ; respectivamente para cada intervalo.
 Col 4: Muestra el número de unidades de un valor de la variable; se le
denomina Frecuencia Absoluta (fi).
 Col 5: Muestra la Frecuencia Absoluta Acumulada (Fi), que es la suma
sucesiva de la Frecuencia Absoluta (fi).
 Col 6: Muestra la Frecuencia Relativa (hi) en proporción.
fi
  hi= ; respectivamente para cada intervalo.
n
 Col 7: Muestra la Frecuencia Relativa Acumulada (Hi) en proporción.
Fi
  Hi= ; respectivamente para cada intervalo.
n
 Col 8: Muestra la Frecuencia Relativa (hi%) en porcentaje.
  hi %=hi∗100 ; respectivamente para cada intervalo.
 Col 9: Muestra la Frecuencia Relativa Acumulada (Hi%) en porcentaje.
6
  Hi %=Hi∗100 ; respectivamente para cada intervalo.

 En el Minitab:
Ingresamos los datos de las cantidades producidas por la empresa

FERETOP E.I.R.L por mes.
 Hallamos el Rango
 Hacemos los mismos cálculos que hicimos en Excel para hallar la
Amplitud
7
 Codificamos los datos de numérico a texto, para así poder construir la

Tabla de Distribución de Frecuencias. Y la obtuvimos de la siguiente
manera
8
 Y finalmente hacemos la tabla de frecuencia:
Algunas interpretaciones:
 f4= 13; 13 son las cantidades de meses en las que se encuentran las
cantidades producidas de prendas de vestir entre 12418.5 y 12881.5.
 h7= 13.33; 13.33 es la proporción del total de meses en los que se
encuentran entre 13807.5 y 14270.5 de las cantidades producidas de
prendas de vestir.
 F6= 52; hay 52 meses en los que se produjeron prendas de vestir entre
11029.5 hasta 13807.5.
9
HISTOGRAMAS
Es una representación gráfica que maneja distintas estadísticas. Su utilidad se
basa en ver o mostrar la posibilidad de establecer de manera visual, ordenada
y fácil los datos numéricos y estadísticos que pueden tornarse complicados de
entender. Existen varios tipos de histogramas que ejecutan de manera variada
muchos tipos de información.
Normalmente son utilizados en la estadística, con la intención de exponer
gráficamente número, variables y cifras con el fin de que los resultados sean
visualmente claros y ordenados. Casi siempre se presenta en barras, ya que es
mucho más fácil entenderlos de esta manera, dependiendo de cómo se utilicen,
las ramas en las que más facilita los datos son las ciencias sociales, de hecho
pueden compararse datos sociales como resultados de censo, nivel de
analfabetismo o mortalidad infantil.
Los puntos focales de un histograma, son los siguientes:
 Realizar un análisis de distribución de datos.
 Comprobar el grado de cumplimiento de las especificaciones.
 Evaluar la eficacia de las soluciones.
 Polígono de frecuencia y ojiva porcentual: ambos son utilizados
normalmente por expertos.
Existen además, dos tipos de informaciones básicas para la elaboración de los

histogramas, las cuales son la complejidad, el diseño, la frecuencia de los
valores y los valores en sí. Normalmente, las frecuencias son representadas en
el eje vertical mientras que en el horizontal se representan los valores de cada
una de las variables (que aparecen en el histograma como barras bi o
tridimensionales).
Imagen 1: Se muestra un ejemplo de histograma.
10
TIPOS DE HISTOGRAMAS
 Histograma Simple
La altura de las barras es proporcional a las frecuencias relativas.
 Histograma
Acumulado
A veces es más útil representar las frecuencias acumuladas. En este
caso la altura de las barras es proporcional a las frecuencias absolutas.
 Histograma Compuesto
Es aquel que representa la información de una tabla a partir de dos

variables, las cuales se representan así; la altura de la barra representa
la frecuencia simple de las categorías de la variable y esta altura es
proporcional a la frecuencia simple de cada categoría.
11
La tecnología ha permitido crear histogramas en computadoras, en programas

como Excel y Minitab. Usamos estos mencionados para crear nuestros
histogramas que serán posteriormente analizados.
 En Excel:
El histograma hecho es de todos los datos (60 datos), es muy sencillo hacerlo y
analizarlo.
PASO 1
Se coloca los datos de ganancia total y cantidad producida (QTY) por mes
desde enero del 2012 hasta diciembre del 2016 en ambos casos.
12
PASO 2
Con la opcion insertar histograma se crea una teniendo en consideracion todos
los datos.
S/.250,000.00
S/.200,000.00
S/.150,000.00
S/.100,000.00
S/.50,000.00
S/.-
Se muestra el histograma creado.
16000
14000
12000
10000
8000
6000
4000
2000
13
PASO 3
Analizar el histograma de ganacias
La frecuencia más alta del total de ganancias de todas

las fechas tomadas fue en el mes de diciembre del
2016.
La frecuencia más baja del total de ganancias de

todas las fechas tomadas fue en el mes de setiembre
del 2012.
Analizar el histograma de QTY
La frecuencia más alta del número de cantidades

producidas por mes de todas las fechas tomadas fue
en el mes de diciembre del 2016.
La frecuencia más baja del número de cantidades

producidas por mes de todas las fechas tomadas fue
en el mes de setiembre del 2012.
14
CONCLUSIONES:
 El mes con mayores ganancias es diciembre del 2016 contraparte el que
tiene menores ganancias es setiembre del 2012.
 El mes con mayores prendas producidas es el diciembre del 2016, en
contraparte el que tiene menores prendas producidas es setiembre del
2012.
 Se puede observar que de cierta forma la cantidad producida está
relacionada con la ganancia que se obtiene.
 En Minitab:
PASO 1:
Se copian todas las cantidades de prendas producidas y las cantidades
de ganancias por mes.
PASO 2:
Después de esto se va a estadísticas descriptivas.
PASO 3: Pero solo se hallan el valor mínimo, el valor máximo y el rango.
15
Paso 4:
Luego se halla la amplitud y el número de intervalos.
Paso 5:
Se construye el histograma.
PASO 6:
Se elige el histograma simple y se selecciona la variable. Creamos 4
tipos de histogramas. Pero este se modifica para una mejor lectura.
16
HISTOGRAMAS CREADOS:
 SEGÚN LA FRECUENCIA ABSOLUTA
 SEGÚN LA FRECUENCIA ABSOLUTA ACUMULADA
17
MEDIDAS DE TENDENCIA CENTRAL

MEDIA
Es la medida de posición central más utilizada, la más conocida y la más
sencilla de calcular, debido principalmente a que sus ecuaciones se prestan
para el manejo algebraico, lo cual la hace de gran utilidad. Su principal
desventaja radica en su sensibilidad al cambio de uno de sus valores o a los
valores extremos demasiado grandes o pequeños. La media se define como la
suma de todos los valores observados, dividido por el número total de
observaciones.
Por formula:
Es el valor que tomaría cada uno de los datos si los valores se repartirían
uniformemente entre el número de ellos. En el caso de datos agrupados se puede
hallar usando las frecuencias absolutas a través de la siguiente formula:
k
∑ Xi f i
x́= i=1
n
Aplicando la fórmula:
LI LS Xi fi Fi Xi * fi LRI LRS
11030 11492 11261 7 7 78827 11029.5 11492.5
11493 11955 11724 8 15 93792 11492.5 11955.5
11956 12418 12187 5 20 60935 11955.5 12418.5
12419 12881 12650 13 33 164450 12418.5 12881.5
12882 13344 13113 8 41 104904 12881.5 13344.5
13345 13807 13576 11 52 149336 13344.5 13807.5
13808 14270 14039 8 60 112312 13807.5 14270.5
n 60 764556
764556
x́= =12742.6
60
Por Excel:
Se realiza a través de la función PROMEDIO sobre todos los datos a analizar.
x́=127 57
18
Por Minitab:
A través del comando Estadísticas/Estadística básica/ Mostrar estadísticas
descriptivas. Se observa lo siguiente:
MEDIANA
Con esta medida podemos identificar el valor que se encuentra en el centro de
los datos, es decir, nos permite conocer el valor que se encuentra exactamente
en la mitad del conjunto de datos después que las observaciones se han
ubicado en serie ordenada. Esta medida nos indica que la mitad de los datos
se encuentran por debajo de este valor y la otra mitad por encima del mismo.
En conclusión la mediana nos indica el valor que separa los datos en dos
fracciones iguales con el cincuenta por ciento de los datos cada una. Para las
muestras que cuentan con un número impar de observaciones o datos, la
mediana dará como resultado una de las posiciones de la serie ordenada;
mientras que para las muestras con un número par de observaciones se debe
promediar los valores de las dos posiciones centrales.
Por formula:
Es igual al valor del término central. En el caso de datos agrupados se ubica en
el lugar n/2 se ubica en el lugar de las columnas de las frecuencias absolutas
acumuladas Fi.
Y se evalúa la siguiente fórmula:
n
Me=LRI j + A j [ ]
2
−F j−1
fj
Dónde:
 LRI j=Limite inferior del intervalo mediana
19
 A j= Amplitud del intervalomediana

 F j−1=Frecuencia acumulada anterior al intervalomediana
 f j=Frecuencia absoluta delintervalo mediana
 n=T otal de datos
11030 11492 11261 7 7 78827 11029.5 11492.5
11493 11955 11724 8 15 93792 11492.5 11955.5
11956 12418 12187 5 20 60935 11955.5 12418.5 J-1
12419 12881 12650 13 33 164450 12418.5 12881.5 J
12882 13344 13113 8 41 104904 12881.5 13344.5
13345 13807 13576 11 52 149336 13344.5 13807.5
13808 14270 14039 8 60 112312 13807.5 14270.5
60 764556
Aplicando se obtiene los siguientes datos:

 n/2 =30
 LRI= 12418.5
 A= 463
 Fj-1=20
 fj=13
30−20
Me=12418.5+ 463 [ 13 ]=12774.6538
Me=12774.6538
El 50% de prendas confeccionadas por la empresa FERETOP E.I.R.L

se encuentra por debajo de las 12 775 prendas.
Por Excel:
Se realiza a través de la función MEDIANA sobre todos los datos a analizar.
Me=12854
Por Minitab:
A través del comando
Estadísticas/Estadística básica/
Mostrar estadísticas descriptivas.
Se observa lo siguiente:
20
MODA
La medida modal nos indica el valor que
más veces se repite dentro de los datos; es
decir, si tenemos la serie ordenada (2, 2, 5
y 7), el valor que más veces se repite es el número 2 quien sería la moda de
los datos. Es posible que en algunas ocasiones se presente dos valores con la
mayor frecuencia, lo cual se denomina Bimodal o en otros casos más de dos
valores, lo que se conoce como multimodal.
Por Fórmula:
Es el valor de la variable que se presenta con mayor frecuencia. Puede ser
unimodal, bimodal o multimodal. En caso de datos agrupados se halla usando
la siguiente fórmula:
( f j−f j−1 )
Mo=LRI j + A j
[ ( f j−f j−1) +( f j−f j+1) ]
Dónde:
 LRI j=Limite inferior del intervalo modal

 A j= Amplitud del intervalomodal
 f j−1=Frecuencia absoluta anterior al intervalo modal
 f j=Frecuencia absoluta delintervalo modal
 f j +1=Frecuencia absoluta despues alintervalo modal
11030 11492 11261 7 7 78827 11029.5 11492.5
11493 11955 11724 8 15 93792 11492.5 11955.5
11956 12418 12187 5 20 60935 11955.5 12418.5 J-1
12419 12881 12650 13 33 164450 12418.5 12881.5 J
12882 13344 13113 8 41 104904 12881.5 13344.5 J+1
13345 13807 13576 11 52 149336 13344.5 13807.5
13808 14270 14039 8 60 112312 13807.5 14270.5
60 764556
21
Aplicando la fórmula con los siguientes datos:
 LRI= 12418.5
 A= 463
 fj-1=5
 fj=13
 fj+1=8
Mo=12418.5+ 463
[ (13−5)
]
( 13−5 ) +(13−8)
=12703.423
Mo=12703.423
La cantidad de prendas confeccionadas con mayor

frecuencia por la empresa FERETOP E.I.R.L es 1 2703
prendas.
Por Excel:
Se realiza a través de la función MODA sobre todos los datos a analizar.
Mo=1 1840
Por Minitab:
22
MEDIDAS DE DISPERSIÓN
RANGO O RECORRIDO
Es el intervalo entre el valor máximo y el valor mínimo; por ello, comparte
unidades con los datos. Permite obtener una idea de la dispersión de los datos,
cuanto mayor es el rango, más dispersos están los datos de un conjunto.
Por Fórmula:
Es la diferencia entre los valores máximo y mínimo de los datos.
R=X máx −X min

 Xmáx= 14270
 Xmín = 11030
R=14270−11030=3240
R=3240
Por Excel:
Se obtiene por las funciones MAX y MIN sobre los datos a analizar.
23
La amplitud existente
entre la mayor cantidad
de prendas y la menor
cantidad de prendas es
de 3 240.
Por Minitab:
VARIANZA
Por Fórmula:
Es un valor numérico que cuantifica el grado de dispersión de los valores de
una variable respecto a su media aritmética. Es el promedio de los cuadrados
de las desviaciones de la variable respecto a su media aritmética.
k k 2
( )
2
∑ fi∗X i ∑ fi∗Xi
S2x = i=1 i=1
−
n n
Dónde:
 f i=Frecuencia relativa por cada intervalo
24
 X I =Marca de clase por cada intervalo

 n=Total de datos
LI LS Xi fi Fi Xi * fi fi * xi2
11030 11492 11261 7 7 78827 887670847
11493 11955 11724 8 15 93792 1099617408
11956 12418 12187 5 20 60935 742614845
12419 12881 12650 13 33 164450 2080292500
12882 13344 13113 8 41 104904 1375606152
13345 13807 13576 11 52 149336 2027385536
13808 14270 14039 8 60 112312 1576748168
60 764556 9789935456
 n=60
60
 ∑ fi∗X 2i =9789935456
i=1
60
 ∑ fi∗Xi = 764556
i=1
9789935456 764556 2
S2x =
60
− (
60 )
=791736.17
S2x =791736.17
Por Excel:
Se realiza a través de la función VAR sobre todos los datos a analizar.
Por Minitab:
25
DESVIACION ESTANDAR
Por Fórmula:
Es la raíz cuadrada positiva de la varianza y posee las mismas unidades que la
media aritmética, Estas unidades ya no están elevadas al cuadrado como en la
varianza.
S= √V ( x )

 V(x) = 791736.2
S= √791736.2=889.79558
Las cantidades de prendas confeccionadas por

la empresa FERETOP E.I.R.L se aleja de la
media en 889 prendas.
Por Excel:
Se realiza a través de la función DESVEST sobre todos los datos a analizar.
Por Minitab:
26
COEFICIENTE DE VARIACIÓN
Por Fórmula:
Es la desviación estándar dividida sobre la media aritmética multiplicada por
100. El mismo nos permite comparar desviaciones típicas de variables con
unidades de medición distintas. Mide la variabilidad relativa a la media.
S
CV = x 100 %
X́

 S = 889.79558
 X = 12742.6
889.79558
CV = x 100 %=6.98 %
12742.6
Se encuentra en el rango 0<CV<20 entonces tiene baja

variabilidad, relativa estabilidad. 27
Por Excel:
Se realiza a través de la división entre la desviación estándar y la media por
100% sobre todos los datos a analizar.
Por Minitab:
MEDIDAS DE FORMA
COEFICIENTE DE ASIMETRIA
Por Fórmula:
28
Son medidas que recorren dos aspectos de la población: su asimetría,
alrededor de una medida de tendencia central y su curtosis o grado de
apuntamiento de la distribución.
Una distribución es asimétrica cuando sus datos tienden a agruparse hacia uno
de los extremos de la distribución. Cuando una curva es asimétrica tiene un
sesgo. Existen dos tipos de asimetría o sesgo: positiva y negativa.
Formula:
X́− Mo
SK=
S
Evaluaremos:
Si una curva es simétrica si la media es igual que la mediana y la moda.
X =Mo La curva es simétrica
X > Mo La curva es asimétrica positiva
X < Mo La curva es asimétrica negativa
Aplicaremos en los datos presentados:

 X=12742.6
 Mo=12703.4231
 S=889.79558
12742.6−1203.4231
SK= =0.04402918
889.79558
Se observa que la curva es asimétrica positiva.
Por Minitab:
29
COEFICIENTE DE CURTOSIS O APUNTAMIENTO

Mide el grado de elevación o de agudeza de una distribución comparada con la
curva normal.
Clasificación:
a) Si A4-3=0, la distribución es mesocúrtica o moderada concentración de
los datos. Tal es el caso de la distribución normal.
b) Si A4-3>0, la distribución es apuntada o leptocúrtica o alta
concentración de los datos.
c) Si A4-3<0, la distribución es achatada o platicúrtica o baja
concentración de los datos.
30
Fórmula:
A 4=¿ ¿
LI LS Xi fi Fi fi * (Xi- X)^4
11030 11492 11261 7 7 3.68579E+16
11493 11955 11724 8 15 5.20554E+16
11956 12418 12187 5 20 3.97802E+16
12419 12881 12650 13 33 1.25251E+17
12882 13344 13113 8 41 9.25278E+16
13345 13807 13576 11 52 1.51514E+17
13808 14270 14039 8 60 1.30272E+17
60 6.28258E+17
Aplicando sobre los datos:
 N = 60
 S4 = 6.28258E+17
 ∑ f ∗( X i − X́ ) =6.28258E+17
4 (6.28258E+17)4
A= =0.39337
60∗6.28258E+17
Entonces, hallamos:
A 4−3=−2.6066
Por lo que se obtiene que la curva sería platicúrtica, es decir poca
concentración y sus frecuencias son similares.
Por Minitab:
31
DIAGRAMA DE CAJAS Y BIGOTES

Los diagramas de Caja-Bigotes (boxplots o box and whiskers) son una
presentación visual que describe varias características importantes (forma,
tendencia central y variabilidad), al mismo tiempo, tales como la dispersión y
simetría. Para su realización se representan los tres cuartiles y los valores
mínimo y máximo de los datos, sobre un rectángulo, alineado horizontal o
verticalmente.
Una gráfica de este tipo consiste en una caja rectangular, donde los lados más
largos muestran el recorrido intercuartílico. Este rectángulo está dividido por un
segmento vertical que indica donde se posiciona la mediana y por lo tanto su
relación con los cuartiles primero y tercero (recordemos que el segundo cuartil
coincide con la mediana). Proporcionan una visión general de la simetría de la
distribución de los datos; si la mediana no está en el centro del rectángulo, la
distribución no es simétrica. Son útiles para ver la presencia de valores
atípicos.
Esta caja se ubica a escala sobre un segmento que tiene como extremos los
valores mínimo y máximo de la variable. Las líneas que sobresalen de la caja
se llaman bigotes. Estos bigotes tienen un límite de prolongación, de modo que
cualquier dato o caso que no se encuentre dentro de este rango es marcado e
identificado individualmente.
L1: Límite inferior

L2: Límite superior
Q1: Primer cuartil
Q3: Tercer cuartil
Med = Q2: Mediana o Segundo cuartil
RANGO INTERCUARTIL (RIQ)

Es la diferencia entre el cuartil tres y el cuartil uno.
32
RIQ=Q 3−Q1
VALORES ATIPICOS
Son datos que están fuera de los límites inferior y superior.
Valores atipicosinferiores <Q1−1.5(RIQ)
Valores atipicos superiores> Q3+ 1.5( RIQ)
Valor atípico (x): observación que se encuentra más allá del bigote superior o
inferior.
FORMULAS PARA REALIZAR EL DIAGRAMA DE CAJA Y BIGOTES:
Donde:
n:
Cantidad de datos
K: Cuartil
Pi: Posición inferior
Ps: Posición superior
Datos:
EMPRESA FERETOP E.I.R.L

Cantidades de prendas confeccionadas en cinco años
1103 1107 1114 1115 1125 1145 1147 1164 1166 1167 1174 1175
0 8 0 5 0 0 0 0 0 0 0 0
1178 1184 1184 1205 1205 1222 1227 1241 1256 1256 1260 1263
5 0 0 0 0 5 0 0 0 5 0 5
1265 1266 1267 1276 1279 1285 1285 1285 1287 1289 1296 1304
8 0 5 3 0 3 5 5 0 0 0 5
1305 1309 1325 1325 1326 1345 1345 1346 1356 1358 1359 1359
0 6 0 0 5 0 5 5 0 0 0 5
1362 1363 1374 1375 1388 1395 1396 1398 1402 1405 1418 1427
0 0 5 0 5 0 2 5 6 0 5 0
33
Cálculo del Primer Cuartil (Q1):

k ( n+1 ) 1 ( 60+1 )
Para k=1 y n=60; → =15.25 ;
4 4
Como “n” es par:
EMPRESA FERETOP E.I.R.L.

1103 1107 1114 1115 1125 1145 1147 1164 1166 1167 1174 1175
0 8 0 5 0 0 0 0 0 0 0 0
1178 1184 1184 1205 1205 1222 1227 1241 1256 1256 1260 1263
5 0 0 0 0 5 0 0 0 5 0 5
1265 1266 1267 1276 1279 1285 1285 1285 1287 1289 1296 1304
8 0 5 3 0 3 5 5 0 0 0 5
1305 1309 1325 1325 1326 1345 1345 1346 1356 1358 1359 1359
0 6 0 0 5 0 5 5 0 0 0 5
1362 1363 1374 1375 1388 1395 1396 1398 1402 1405 1418 1427
0 0 5 0 5 0 2 5 6 0 5 0
Pi = 11840 Ps = 12050
k ( Ps−Pi ) 1 ( 12050−11840 )
Q k=Pi + →Q 1=11840+ →Q 1=11892.5
4 4
Entonces el Primer Cuartil es 11892.5
Cálculo del Segundo Cuartil o la Mediana (Med):
k ( n+1 ) 2 ( 60+1 )
Para k=2 y n=60; → =30.5
4 4

1103 1107 1114 1115 1125 1145 1147 1164 1166 1167 1174 1175
0 8 0 5 0 0 0 0 0 0 0 0
1178 1184 1184 1205 1205 1222 1227 1241 1256 1256 1260 1263
5 0 0 0 0 5 0 0 0 5 0 5
1265 1266 1267 1276 1279 1285 1285 1285 1287 1289 1296 1304
8 0 5 3 0 3 5 5 0 0 0 5
1305 1309 1325 1325 1326 1345 1345 1346 1356 1358 1359 1359
0 6 0 0 5 0 5 5 0 0 0 5
34
1362 1363 1374 1375 1388 1395 1396 1398 1402 1405 1418 1427
0 0 5 0 5 0 2 5 6 0 5 0
Pi =12853 Ps = 12855
k ( Ps−Pi ) 2 ( 12855−12853 )
Med =Qk=Pi + → Med =Q 2=12853+
4 4
→ Med=Q 2=12854
La Mediana o el Segundo Cuartil es 12854.
Cálculo del Tercer Cuartil (Q3):

k ( n+ 1 ) 3 ( 60+1 )
Para k=3 y n=60 ; → =45.75
4 4

1103 1107 1114 1115 1125 1145 1147 1164 1166 1167 1174 1175
0 8 0 5 0 0 0 0 0 0 0 0
1178 1184 1184 1205 1205 1222 1227 1241 1256 1256 1260 1263
5 0 0 0 0 5 0 0 0 5 0 5
1265 1266 1267 1276 1279 1285 1285 1285 1287 1289 1296 1304
8 0 5 3 0 3 5 5 0 0 0 5
1305 1309 1325 1325 1326 1345 1345 1346 1356 1358 1359 1359
0 6 0 0 5 0 5 5 0 0 0 5
1362 1363 1374 1375 1388 1395 1396 1398 1402 1405 1418 1427
0 0 5 0 5 0 2 5 6 0 5 0
Pi: 13560 Ps: 13580

k ( Ps−Pi ) 3 ( 13580−13560 )
Qk=Pi+ → Q3=13560+ → Q3=13575
4 4
El Tercer Cuartil es 13575.
Cálculo del Rango Intercuartil (RIQ):
RIQ = Q3 – Q1
RIQ = 13575 – 11892.5
RIQ = 1682.5
35
El Rango Intercuartil es 1682.5
Cálculo del Límite Inferior (L1) y Límite Superior (L2):

1103 1107 1114 1115 1125 1145 1147 1164 1166 1167 1174 1175
0 8 0 5 0 0 0 0 0 0 0 0
1178 1184 1184 1205 1205 1222 1227 1241 1256 1256 1260 1263
5 0 0 0 0 5 0 0 0 5 0 5
1265 1266 1267 1276 1279 1285 1285 1285 1287 1289 1296 1304
8 0 5 3 0 3 5 5 0 0 0 5
1305 1309 1325 1325 1326 1345 1345 1346 1356 1358 1359 1359
0 6 0 0 5 0 5 5 0 0 0 5
1362 1363 1374 1375 1388 1395 1396 1398 1402 1405 1418 1427
0 0 5 0 5 0 2 5 6 0 5 0
L 1=¿11030
L 2=14270
Entonces el límite inferior es 11030 y el límite superior es 14270.
Cálculo de los Valores Atípicos (x):
Valores atipicosinferiores <Q1−1.5(RIQ)

Valores atipicosinferiores <11892.5−1.5(1682.5)
Valores atipicosinferiores <9368.75
Valores atipicos superiores> Q3+ 1.5( RIQ)

Valores atipicos superiores> 13575+1.5(1682.5)
Valores atipicos superiores> 16098.75
Por lo tanto; no hay valores atípicos.
DIAGRAMA DE CAJA Y BIGOTES SIMPLE:
Por año:
 En Excel:
36
 En Minitab:
Interpretación:
Observamos el desplazamiento de las gráficas de caja hacia la derecha, ello
nos indica que la cantidad de prendas producidas cada año va en aumento y lo
mismo también nos indica el desplazamiento de la mediana. Pero también
notamos que la producción cada vez es más disperso.
Se puede ver que el año 2012 tiene menor variabilidad en comparación con los
años posteriores.
Global
37
 En Excel:
 En Minitab:
38
Datos de cinco años acomodados de menor a mayor.

1103 1107 1114 1115 1125 1145 1147 1164 1166 1167 1174 1175
0 8 0 5 0 0 0 0 0 0 0 0
1178 1184 1184 1205 1205 1222 1227 1241 1256 1256 1260 1263
5 0 0 0 0 5 0 0 0 5 0 5
1265 1266 1267 1276 1279 1285 1285 1285 1287 1289 1296 1304
8 0 5 3 0 3 5 5 0 0 0 5
1305 1309 1325 1325 1326 1345 1345 1346 1356 1358 1359 1359
0 6 0 0 5 0 5 5 0 0 0 5
1362 1363 1374 1375 1388 1395 1396 1398 1402 1405 1418 1427
0 0 5 0 5 0 2 5 6 0 5 0
Interpretación del diagrama de Caja y Bigote:
 Podemos obtener abundante información de una distribución a partir de

estas representaciones.
 La parte izquierda de la caja es mayor que la de la derecha; ello quiere
decir que las cantidades comprendidas entre el 25% y el 50% de las
prendas están más dispersa que entre el 50% y el 75%.
 El bigote del lado izquierdo es ligeramente más largo que la de la
derecha; por ello el 25% de la cantidad de prendas producidas es más
dispersa que el otro 25%.
 El rango Intercuartil = Q3 - Q1 = 1682.5; es decir, el 50% de la cantidad
de prendas está comprendido en 1683 unidades.
39
 También podemos observar que no hay ningún valor atípico; es decir,

que todos los datos sí son tomados en cuenta para el análisis.
TABLA BIDIMENSIONAL
Variable estadística bidimensional: es el conjunto de pares de valores de dos
caracteres o variables estadísticas unidimensionales X e Y sobre una misma
población.
La variable estadística bidimensional se representa por el símbolo (X, Y) y cada
uno de los individuos de la población viene caracterizado por la pareja (x i,yi) ,
en el cual xi representa los datos, valores o marcas de clase x1, x2, ..., x n de la
variable X; e yi representa los datos, valores o marcas de clase y 1, y2, ..., ym de
la variable Y.
Se denominan distribuciones bidimensionales a las tablas estadísticas
bidimensionales formadas por todas las frecuencias absolutas de todos los
posibles valores de la variable estadística bidimensional (X, Y).
Variable x Variable y
MEDIA x́=
∑ x i ni ý=
∑ y i ni
n n
2
VARIANZA 2
S x=
∑ ni x i −x́ 2 2
S y=
∑ ni x2 i − ý 2
n n
A la raíz cuadrada positiva de las varianzas se la llama desviación típica y se

representa por Sx y por Sy.
Medida de la correlación
Estudia la relación o dependencia que existe entre dos variables que
intervienen en una distribución bidimensional. Estudia la covarianza, el centro
de gravedad de las dos variables y el coeficiente de correlación lineal de
Pearson r.
Covarianza Sxy
Una medida del grado en que dos variables aleatorias se mueven en la misma
dirección o en direcciones opuestas la una respecto a la otra. En otras
palabras, si dos variables aleatorias generalmente se mueven en la misma
dirección se dirá que tienen una covarianza positiva. Si tienden a moverse en
direcciones opuestas, se dirá que tienen una covarianza negativa. La
covarianza se mide como el valor que se espera de los productos de las
desviaciones de dos variables aleatorias respecto a sus correspondientes
medias. Una varianza es un caso especial de covarianza.
40
Fórmula 1
S xy =
∑ x i y i −x́ ý
N
Formula 2
r s
∑ ∑ ( x i−x́ ) ( y i− ý ) nij
S xy = i=1 j=1
N
Formula 3
r s
∑ ∑ ( x i ) ( y i ) nij
S xy = i=1 j=1
− x́ ý
N
Interpretación
 Si Qxy > 0 hay dependencia directa (positiva), es decir a grandes
valores de X corresponden grandes valores de Y.
 Si Qxy = 0 Una covarianza (0) se interpreta como la no existencia de
una relación lineal entre las dos variables estudiadas.
 Si Qxy < 0 hay dependencia inversa o negativa es decir, a grandes
valores de X corresponden pequeños valores de Y
Coeficiente de correlación de Pearson

La correlación indica la fuerza y dirección de la asociación entre dos variables
aleatorias en forma de relación lineal. Dos variables cuantitativas están
correlacionadas cuando los valores de una de ellas varían con respecto a los
valores de la otra.
Fórmulas
S xy
r xy =
Sx S y
n ∑ xy−∑ x ∑ y
r=
2 2
√ [ n∑ x −( ∑ x ) ][ n∑ y −(∑ y ) ]
2 2
∑ ( x i−x́ ) ( y i− ý )
i=1
r xy = N N
√ ∑ ( x i− x́ )
i=1
2
√∑ (
i=1
y i− ý )
2
41
r=
∑ ( x− x́ ) ( y− ý )
( n−1 ) S x S y
42
Interpretación:
El valor del índice de correlación varía en el intervalo [-1,1], indicando el signo
el sentido de la relación:
 Si r = 1, existe una correlación positiva perfecta. El índice indica una
dependencia total entre las dos variables denominada relación directa:
cuando una de ellas aumenta, la otra también lo hace en proporción
constante.
 Si 0 < r < 1, existe una correlación positiva. Las variables X e Y están en

dependencia aleatoria directa, tanto más fuerte cuanto más se aproxima r
a 1, y más débil cuanto más se aproxima r a cero.
 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables
son independientes: pueden existir todavía relaciones no lineales entre las
dos variables.
 Si -1 < r < 0, existe una correlación negativa. Las variables X e Y están en

dependencia aleatoria inversa, tanto más fuerte cuanto más se aproxima r
a –1, y más débil cuanto más se aproxima r a cero.
 Si r = -1, existe una correlación negativa perfecta. El índice indica una
dependencia total entre las dos variables llamada relación inversa:
cuando una de ellas aumenta, la otra disminuye en proporción constante.
Se puede resumir mediante el siguiente diagrama el grado de correlación:
Coeficiente de determinación
43
En estadística, el coeficiente de determinación, denominado R², es
un estadístico usado en el contexto de un modelo estadístico cuyo principal
propósito es predecir futuros resultados o probar una hipótesis. El coeficiente
determina la calidad del modelo para replicar los resultados, y la proporción de
variación de los resultados que puede explicarse por el modelo.
Coeficiente de determinación= r2
Coeficiente de no determinación
En estadística, el coeficiente de no determinación es la proporción de la
variable total en Y que no está explicada por la variación en X.
Coeficiente de no determinación =1-r2
Regresión lineal
Uno de los objetivos que se persiguen, al estudiar conjuntamente dos variables
X e Y, es encontrar alguna manera de predecir los valores de una de ellas
conocidos los de la otra. En este sentido, es lógico pensar que, si hay una
curva en torno a la cual se agrupan los puntos de un diagrama de dispersión,
ésta ha de dar una aproximación de los valores reales. Al análisis que pretende
determinar la curva que mejor aproxima un diagrama de dispersión se le llama
regresión. En este curso estudiaremos el caso de la regresión lineal, es decir,
la determinación de la recta que mejor aproxima una nube de puntos. Es fácil
hallar una recta que se ajuste aproximadamente a una distribución. Basta con
dibujar la que a simple vista nos parezca más representativa de la nube de
puntos. Sin embargo, éste es un método subjetivo. Para evitar este problema
se considera algún criterio que permita determinar objetivamente la recta que
se ajusta mejor a la distribución.
Fórmula
44
Valoración de predicciones
La recta de regresión nos permite predecir valores de una variable a partir de
los de la otra. No obstante, hay que tener siempre presente que existen las
siguientes limitaciones:
 Las predicciones realizadas a partir de una recta de regresión no son
fiables si entre X e Y no hay un alto grado de correlación lineal, es decir,
si r no es, en valor absoluto, cercano a 1.
 Las predicciones deben hacerse con valores próximos a los pares
considerados. Las estimaciones obtenidas para valores próximos al
centro de gravedad de la distribución son más fiables que las obtenidas
para valores muy alejados de él.
 La fiabilidad de una recta de regresión es mayor cuanto mayor sea el
número de datos considerados para calcularla
Casos
En esta parte de nuestro trabajo se analizarán 4 casos de distribución
bidimensional, en el cuál se presentará la covarianza, coeficiente de relación,
coeficiente de determinación y no determinación, recta de regresión en cada
caso; con el fin de evaluar la relación entre las 2 variables correspondientes en
cada uno de ellos.
Casos Variable (x) Variable (y)

Caso 1 QTY(cantidad) ganancia
45
Fuente: Elaboración Propia
Covarianza:
S xy =
∑ x i y i −x́ ý
N
46
1. 5363 E+11
S xy = −¿ 12756.68333*199689.1313= 13128987.56
60
Se ha obtenido un valor positivo para la covarianza, lo cual corresponde a una

dependencia directa positiva.
Coeficiente de correlación de Pearson:

S xy
r xy =
Sx S y
13128987.56
r xy =
901.4683114∗14675.43325
r xy =0.99241
El coeficiente obtenido indica una correlación positiva fuerte entre el total de

ganancias y las cantidades, en el período de marzo del 2012 a diciembre del
2016.
Coeficiente de determinación
r 2=0.992412=0.984872
El coeficiente de determinación sería:98 . 4872%, lo cual indica que él 98 . 4872%

de las variaciones del total de las cantidades son explicados por las variaciones
en las ganancias.
Coeficiente de No determinación
1−r 2=1−0.984872=0 .015
El coeficiente de No determinación sería: 1 .5 % , lo cual indica que el 1 .5 % de

las variaciones del total de las cantidades no son explicados por las variaciones
en las ganancias
Obtención de la ecuación de regresión o de modelo ajustado
Aplicando la fórmula de modelo ajustado:
47
PROMEDIO X 12756.68333
PROMEDIO Y 199689.1313
787263734
(x-X)(y-Y)
48758707
(x-X)^2
12922100461
(y-Y)^2
787263734
b 1= =16 . 146
48758707
b 0=199689 .1313−16 .146∗12756 . 68333
b 0=−6280 . 27774618
Y =16 .146 x−6280 . 27774618
48
QTY VS GANANCIA
250000
240000
230000
GANANCIA (Nuevos Soles)
220000 f(x) = 16.15 x − 6281.76

R² = 0.98
210000
200000
190000
180000
170000
160000
150000
10000 10500 11000 11500 12000 12500 13000 13500 14000 14500
QTY (Cantidad)
El valor de la pendiente significa que a medida que aumente en una unidad la

cantidad, el promedio del total de ganancias se incrementará en 16.146
unidades.
Fuente: Elaboración propia
49
CONCLUSIONES
 Se puede observar que de cierta forma la cantidad producida está relacionada
con la ganancia que se obtiene, dando así que setiembre del 2012 fue el mes
que obtuvo menores ganancias y también menor fue su cantidad de prendas
producidas, caso contrario con diciembre de 2016.
 Observamos mediante las gráficas de caja que las prendas producidas cada
año va en aumento y lo mismo también nos indica el desplazamiento de la
mediana. Pero también notamos que la producción cada vez es más dispersa.
 Se puede ver que el año 2012 tiene menor variabilidad en comparación con los
años posteriores.
 Podemos obtener abundante información de una distribución a partir de estas

representaciones.
APÉNDICE
 Ingeniero, ya que la tabla de los datos entregados por la empresa Import Export D’ Gala
S.A.C. en EXCEL y PDF, se lo adjuntamos ambos archivos: Excel “Data FERETOP E.I.R.L” y
PDF “Data FERETOP E.I.R.L”.
 El cuadro de los datos filtrados, se lo adjuntamos en el programa Excel “Datos Filtrados”.
50

Word Grupo 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Word Grupo 1

Cargado por

Copyright:

Formatos disponibles

“Año del buen servicio al ciudadano”

DOCENTE: Ing. William León Velásquez

Sánchez Quispe Josselyn Alejandra 17170097

Ciudad Universitaria, 06 de Julio del 2019

PRESENTACIÓN DEL PROBLEMA..........................................................................4.

MEDIDAS DE TENDENCIA CENTRAL...................................................................19.

En el presente trabajo está enfocado a “FERETOP E.I.R.L”, empresa que inició

Aquí analizaremos los datos mensuales obtenidos de esta empresa desde

Así como también se hará uso de herramientas informáticas, como el EXCEL y

PRESENTACIÓN DEL PROBLEMA

IMPORT.EXPORT FERETOP E.I.R.L

TABLA DE DISTRIBUCIÓN DE FRECUENCIA:

Meses de producción entre enero del 2012 a diciembre del

OBSERVACION: A = LS - LI + 1 PARA DISCRETA

VALOR MAXIMO 14270

Ahora si construimos la Tabla de Distribución de Frecuencia

  Hi %=Hi∗100 ; respectivamente para cada intervalo.

Ingresamos los datos de las cantidades producidas por la empresa

 Codificamos los datos de numérico a texto, para así poder construir la

 Y finalmente hacemos la tabla de frecuencia:

Existen además, dos tipos de informaciones básicas para la elaboración de los

Es aquel que representa la información de una tabla a partir de dos

La tecnología ha permitido crear histogramas en computadoras, en programas

Se muestra el histograma creado.

La frecuencia más alta del total de ganancias de todas

La frecuencia más baja del total de ganancias de

Analizar el histograma de QTY

La frecuencia más alta del número de cantidades

La frecuencia más baja del número de cantidades

PASO 3: Pero solo se hallan el valor mínimo, el valor máximo y el rango.

 SEGÚN LA FRECUENCIA ABSOLUTA

 SEGÚN LA FRECUENCIA ABSOLUTA ACUMULADA

MEDIDAS DE TENDENCIA CENTRAL

 A j= Amplitud del intervalomediana

Aplicando se obtiene los siguientes datos:

El 50% de prendas confeccionadas por la empresa FERETOP E.I.R.L

 LRI j=Limite inferior del intervalo modal

La cantidad de prendas confeccionadas con mayor

Aplicando se obtiene los siguientes datos:

 X I =Marca de clase por cada intervalo

Aplicando se obtiene los siguientes datos:

Aplicando se obtiene los siguientes datos:

Las cantidades de prendas confeccionadas por

Aplicando se obtiene los siguientes datos:

Se encuentra en el rango 0<CV<20 entonces tiene baja

Aplicaremos en los datos presentados:

COEFICIENTE DE CURTOSIS O APUNTAMIENTO

DIAGRAMA DE CAJAS Y BIGOTES

L1: Límite inferior

RANGO INTERCUARTIL (RIQ)

Valores atipicosinferiores <Q1−1.5(RIQ)

Valores atipicos superiores> Q3+ 1.5( RIQ)

FORMULAS PARA REALIZAR EL DIAGRAMA DE CAJA Y BIGOTES:

EMPRESA FERETOP E.I.R.L

Cálculo del Primer Cuartil (Q1):

EMPRESA FERETOP E.I.R.L.

EMPRESA FERETOP E.I.R.L

Cálculo del Tercer Cuartil (Q3):

EMPRESA FERETOP E.I.R.L

Pi: 13560 Ps: 13580

RIQ = 13575 – 11892.5

EMPRESA FERETOP E.I.R.L

Cálculo de los Valores Atípicos (x):